인천대학교 인디고클랫폼 인천대학교 기술지원허브

폭염 발생 증가에 따른 건설근로자의 온열질환 관리가 중요해짐에 따라, 작업 중인 건설근로자를 모니터링하고 진단하기 위한 연구가 많이 진행되고 있다. 하지만, 효율적으로 건설근로자의 온열질환을 관리하기 위해서는, 건설현장에 투입되기 전에 고열환경에 취약한 그룹을 선별할 필요가 있다. 고열환경에 취약한 정도는 개인의 특성에 따라 다르게 나타날 수 있기 때문에, 사전에 취약한 그룹을 선별하여 집중적으로 관리한다면, 보다 더 효율적으로 온열질환 관리가 이루어질 수 있을 것이다. 따라서 본 특허에서는, 개인생체특성(신장, 체중, 체지방률, 골격근량, BMI 등)이 고열환경에 대한 취약성에 미치는 영향을 객관적이고 상세하게 분석하고, 취약성에 영향을 미치는 주요특성을 파악하여, 고열환경에 취약한 그룹에 속하는 건설근로자를 선별할 수 있는 머신러닝 기반의 열스트레스 고위험군 분류 장치를 제안하였다. 본 특허에서 제안하는 방법을 검증하기 위하여, 총 30명의 피실험자가 자발적으로 참여한 열환경실험을 진행하였다. 우선, 실험 전에 체성분 분석을 통해 피실험자들의 개인생체특성 정보를 수집하였다. 그 다음, 피실험자들은 극한의 고열환경 조건(37℃/70%)에서 건설현장 근로자의 작업부하와 유사한 수준의 신진대사율로 제시된 '트레드밀 걷기(경사: 5°, 속도: 4 km/h)'를 수행하였으며, 이때 실시간 심박수 데이터를 수집하였다. 수집된 데이터를 활용하여, 다음의 3가지 관점에서의 분석을 수행하였다. 첫째, 심박수를 통해 산출된 신진대사율을 활용하여, 피실험자 중에서 고열환경에 취약한 그룹을 분류하였다. 둘째, 개인 생체특성 중 열스트레스에 대한 취약성에 영향을 미치는 주요특성을 파악하였다. 셋째, 이러한 주요특성를 활용하여, 고열환경에 취약한 그룹에 속하는 건설근로자를 선별할 수 있는 머신러닝 기반의 열스트레스 고위험군 분류 장치를 개발하였다.

여름철 건설 근로자의 온열 질환을 관리하는 방식과 관련하여, 기존 방식의 현황 및 한계점은 다음의 2가지 관점에서 요약할 수 있다. 첫째, 한국산업안전보건공단의 고열환경 관리지침에 따르면, Wet-Bulb Globe Temperature(WBGT) 지표를 통해 현장 전체에 대한 작업-휴식 시간비를 결정한다. 하지만, WBGT 지표는 환경 변수(예, 온도, 상대습도 등)만을 고려하기 때문에 개인의 특성에 따른 차이는 고려하지 못한다는 한계가 있다. 둘째, 건설 현장의 환경 변수와 건설 근로자의 개인 변수를 동시에 고려할 수 있는 Predicted Heat Strain(PHS)와 같은 지표도 존재한다. 하지만, PHS 지표는 환경 변수(온도, 복사온도, 상대습도, 풍속)와 개인 변수 (의복 단열, 대사율)에 대한 정보를 필요로 하고, 이와 같이 다양한 정보를 실시간으로 수집하는 것은 많은 시간과 비용이 발생시키기 때문에 건설 현장에 적용하는 것에는 한계가 있다. 본 특허에서는, 이러한 기존 방식의 한계점을 해결하기 위하여, 건설 근로자의 열스트레스에 주요한 영향을 미치는 변수를 파악한 후, 이를 기반으로 한 열스트레스 예측 모델을 제안하였다. 본 특허에서 제안하는 방법을 검증하기 위하여, 2가지 환경 조건에서 실험을 수행하였으며, 다양한 체형을 가진 30명의 성인 남성이 자발적으로 참여한 실험 결과를 분석하였다. 환경 조건은 한국의 5년간(2016~2020년) 여름철 고열환경 데이터를 활용하여 scenario 1(37℃, 70%), scenario 2(30℃, 45%)로 구분하였다. 수집된 데이터를 활용하여, 다음의 2가지 관점에서 분석을 수행하였다. 첫째, 모델의 적정 변수 개수와 열스트레스에 대한 변수 중요도 순위를 파악하기 위해서, Recursive Feature Elimination with Cross-Validation(RFECV) 분석과 Permutation Feature Importance(PFI)와 Shapley Additive explanation(SHAP) 분석을 수행하였다. 둘째, 건설 현장의 환경과 건설 근로자의 개인 특성을 모두 고려할 수 있는 주요 영향 변수를 찾기 위해서, 앞서 분석한 결과를 통해 구성된 변수 조합의 예측 성능 비교를 수행하였고, 이를 통해 파악한 주요 영향 변수를 기반으로 건설 현장에 적합한 모델을 개발하였다.